Существует целый ряд аналитических компаний, которые пытаются структурировать и классифицировать провайдеров товаров и услуг, так или иначе участвующих в создании ИИ-решений.
По всей видимости, самое общее и высоко уровневое деление компаний, участвующих в создании ИИ, дают специалисты компании CB Insights (табл. 3.2). Они предлагают разделить всех поставщиков ИИ на три группы по уровням технологического стека: нижний уровень – инфраструктурные и сервисные решения (специализированные вычислительные средства, средства обработки данных, средства развертывания приложений, разметка данных); средний уровень – горизонтальные решения (кроссотраслевые приложения) и верхний уровень – отраслевые (вертикальные приложения, уникальные для каждой индустрии).
Таблица 3.2. Экосистема компаний, участвующих в создании ИИ-решений в концепции CB Insights. Источник: CB Insights
Вычислительные средства, средства обработки данных и развертывания ИИ-приложений (инфраструктурные решения)
ИИ-процессоры
Ускорители глубокого обучения
Аннотирование данных
Отслеживание МL-экспериментов
Дата-сайнс-платформы
Мониторинг ИИ-моделей
AIOps
Хранилища данных и платформы MLOps
Логика данной иерархии исходит из того, что нижний слой является фундаментом для подавляющего большинства решений. Горизонтально ориентированные могут использоваться в разных вертикально ориентированных продуктах, и последние (вертикальные) “заточены” под конкретную узкую отрасль.
Компания Cognilytica дает более подробную структуру подобной иерархии (см. табл. 3.3), при этом выделяет не три, а четыре слоя в технологическом стеке: инфраструктура и сервисы для поддержки ИИ-проектов, опорные технологии для ИИ-проектов, кросс-отраслевые (горизонтальные) приложения и отраслевые (вертикальные) приложения.
Cognilytica заявляет, что в рамках данной классификации она отслеживает деятельность более 5 тысяч компаний. И несмотря на то, что таксономия, используемая в табл. 3.3, не является общепринятой, она дает хорошее представление о структуре ИИ-поставщиков, и на этой классификации и толковании типов поставщиков следует остановиться подробнее.
Таблица 3.3. Специализация компаний, участвующих в создании ИИ-решений в концепции Cognilytica
Наименование раздела
Наименование подраздела
Отраслевые (вертикальные) приложения
Финансы
Корпоративные финансы. Персональные финансы. Умные платежи. Умный трейдинг. Банкинг и кредитование и т. п.
Здравоохранение и медицина
Диагностика и лечение. Цифровая хирургия. Распознавание изображений и диагностика и т. п.
Розничная торговля и электронная коммерция
Автономная розничная торговля. Управление товарами. Оптимизация запасов и цен и т. п.
Другое
Кросс-отраслевые (горизонтальные) приложения
Интеллектуальные ассистенты
Персональные помощники и помощники по планированию.
Автономные машины и роботы
Логистические. Домашние. Производственные. Военные дроны и БПЛА
Разговорные ИИ-системы
Чат-боты общего назначения. Интеллектуальные сообщения. Голосовые помощники. Разговорный интеллект. Платформы для разработки разговорных интерфейсов.
Интеллектуальная обработка документов
Интеллектуальный анализ договоров. Интеллектуальное управление документами.
Операционный интеллект
Интеллектуальная оптимизация бизнеса. Когнитивная автоматизация. Агрегация данных и их анализ.
Интеллектуальные ассистенты
Персональные помощники. Помощники по планированию.
Предиктивная аналитика и поддержка принятия решений
Предиктивная аналитика. Поддержка принятия решений. Моделирование. Обеспечение ситуационной осведомленности
Опорные технологии для ИИ-проектов
Умная робототехника
Аппаратное обеспечение. ОС и системы управления
Беспилотные средства
Аппаратные средства. Системы управления
Контентные ИИ-технологии
Обобщение контента. Захват данных и анализ документов. Анализ неструктурированных данных
Понимание естественного языка
Понимание здравого смысла. Генерация естественного языка. Машинный перевод. Обработка естественного языка
Компьютерное зрение
Комплексные платформы для построения систем компьютерного зрения. Распознавание лиц и жестов. Распознавание изображений и объектов. Анализ и поиск изображений. Оцифровка реального мира / 3D
Платформы машинного обучения
Облачные платформы с ИИ-функционалом. Периферийные устройства с ML-функционалом. ИИ как услуга. Платформы для разработки ML-приложений. Платформы для автоматизации разработки ML-приложений
Инфраструктура и сервисы для поддержки ИИ-проектов
Подготовка и обработка данных для ИИ/ML-проектов
Подготовка данных. Разметка данных
Дата-сайнс-платформы с поддержкой искусственного интеллекта
Дата-сайнс-платформы. Системы управления проектами
Big Data-платформы, оптимизированное для ИИ-проектов
Big Data-платформы, включающие ИИ/ML функциональность. Решения класса Big Data по визуализации данных
Аппаратное обеспечение, оптимизированное под проекты в области ИИ/ML
Поскольку при описании стека технологий пункты, как правило, рассматривают снизу вверх, мы последуем этому принципу и будем описывать компании, отмеченные в таблице 3.3, начиная с нижнего уровня.
Инфраструктурные и сервисные решения для поддержки ИИ
Начнем с уровня аппаратного обеспечения и перечислим основные направления, в которых специализируются компании, занятые в создании ИИ-решений.
Аппаратное обеспечение, оптимизированное под задачи в области ИИ.
В данной категории поставщики классифицируются по четырем подкатегориям. Разработчики аппаратного обеспечения (серверы, сетевое оборудование, СХД), оптимизированного под ИИ-нагрузки. Разработчики специализированных процессоров (GPU, TPU и т. п.). Производители периферийных устройств, обеспечивающих ИИ-функциональность.
Как было отмечено выше, в данной классификации к аппаратному обеспечению относят также системы обеспечения интерфейса “мозг-компьютер” – устройства, которые позволяют напрямую передавать электрические сигналы от нейронов к внешнему электронному устройству (компьютеру, экзоскелету, протезу и т. п.). Передача импульсов мозга к исполнительному аппарату происходит минуя нервно-мышечные пути, например, позволяя, парализованному человеку пользоваться курсором. Различают инвазивные (вживляются в мозг), малоинвазивные (располагаются на поверхности мозга) и неинвазивные (помещаются на голове) нейроинтерфейсы. Для реализации данной технологии необходимы специализированные чипы и другие программно-аппаратные средства.
Big Data-платформы, оптимизированные для ИИ-проектов.
Большие данные и искусственный интеллект связаны синергетически. Технологии часто работают в связке – аналитика больших данных использует ИИ для более эффективного анализа данных, в то время как ИИ требует огромного количества данных для обучения и улучшения процессов принятия решений. В указанной категории выделяется две подкатегории: собственно платформы Big Data, оптимизированные для ИИ-проектов, и платформы визуализации больших данных.
Дата-сайнс-платформы.
Данная категория объединяет поставщиков платформ, предназначенных для решения задач дата-сайнс и при этом имеющих специфические функции для выполнения ИИ-проектов. В упомянутой категории различают собственно провайдеров платформ со встроенной поддержкой ИИ и поставщиков систем управления проектами ИИ.
В первую подкатегорию относят поставщиков платформ, включающих поддержку широкого набора ИИ-алгоритмов, с возможностью оптимизации гиперпараметров, поддержки спектра инструментов и библиотек ИИ, а также возможностью операционализации моделей, определенных в системе.
Ко второй подкатегории относят поставщиков инструментов, обеспечивающих управление процессами, ориентированными на данные, позволяющих управлять моделями, следить в крупных проектах за сотнями экспериментов и десятками наборов характеристик данных.
Вопросы управления проектами становятся все более актуальными по мере создания интегрированных сложных систем. Одним из основных факторов успеха ML-проекта является принятие или адаптация метода управления проектами. Более 80% специалистов по исследованию данных отмечают необходимость более систематического применения методов управления ML-проектами.
Подготовка и обработка данных для ИИ.
Функции компаний, занятых в выполнении данного вида работ, мы уже достаточно подробно рассмотрели. Отметим лишь, что в данном разделе Cognilytica предлагает делить поставщиков услуг на две группы – это компании, занятые подготовкой данных для повышения их качества и полезности, и компании, занятые разметкой данных.
Опорные технологии для ИИ
Под опорными подразумеваются технологии, позволяющие реализовать определенные решения, на основе которых другие игроки рынка могут создавать свои собственные ИИ-приложения. В данной категории выделяется шесть подкатегорий провайдеров, поставляющих нижеперечисленные решения.
Платформы машинного обучения.
В данном разделе рассматриваются поставщики платформ для разработки приложений машинного обучения и операционализации решений ИИ для разных сценариев использования и требований к развертыванию. Эти платформы могут представляться в виде локального или облачного решения. Cognilytica рассматривает шесть подкатегорий поставщиков.
Платформы для разработчиков ML-приложений – средства разработки ИИ-приложений и операционализации ИИ-моделей, ориентированные на разработчиков, производящих обучение моделей в локальных дата-центрах.
Облачные платформы с ИИ-функционалом – средства разработки, предоставляющие широкий набор дата-сайнс-инструментов, средств обучения и развертывания моделей в облаке. Платформы ориентированы на технических специалистов.
ИИ как услуга (MLaaS), шаблоны и low code-инструменты для упрощения разработки и операционализации моделей, ориентированные на нетехнических специалистов.
Платформы для разработки периферийных решений. Инструментарий, предназначенный для разработки и реализации ИИ-решений в периферийных устройствах, имеющих ограниченные вычислительную мощность и объем памяти.
Платформы для автоматизации разработки ML-приложений – решения, направленные на автоматизацию разработки ML-приложений, включая выбор алгоритмов, настройку гиперпараметров и т. п.
Компьютерное зрение.
Раздел объединяет следующие типы компаний.
Провайдеры платформ для построения систем полного цикла, включая распознавание, поиск и анализ изображений или видео.
Поставщики, специализирующиеся непосредственно на распознавании изображений и объектов – компании, фокус которых направлен на распознавании лиц и жестов.
Фирмы, предлагающие решения для поиска и извлечения информации на изображениях, которые позволяют классифицировать изображения, создавать подписи или описания изображений и видео-контента.
Поставщики систем оцифровки реального мира, создания 3D-представлений среды, восстановления 3D-сеток по плоским изображениям и т. п.
Понимание естественного языка.
Здесь выделяются компании, занятые созданием ИИ-продуктов по нижеперечисленным направлениям.
Разработчики систем генерации естественного языка (генерации контента на естественном языке); NLP-системы, способные понимать естественную речь.
Разработчики систем, способных к пониманию здравого смысла, что включает построения систем машинного рассуждения, онтологий и графов знаний.
Поставщики систем машинного перевода, о технологических основах которого мы достаточно подробно рассказали в первой лекции.
Контентные ИИ-технологии.
В данном разделе подразумеваются компании, использующие ИИ для обеспечения распознавания и понимания содержания документов. Здесь можно выделить поставщиков, разрабатывающих ИИ-решения в трех направлениях.
Захват данных и анализ документов (захват данных в нецифровом формате, распознавание документа и вычленение смысла документа).
Резюмирование контента – получение контента в цифровом формате и составление на его основе резюме. Например, создание протокола по тексту совещания.
Анализ неструктурированных данных – обработка различного рода неструктурированных данных, сбор и выявление взаимосвязи между данными.
Говоря о поставщиках контентных технологий, полезно упомянуть интеграцию последних со средствами RPA (Robotic Process Automation). Речь идет об автоматизации с помощью программных ботов рутинных повторяющихся задач, таких как извлечение текста из документов, перенос данных из одной системы в другую, выставление счетов и т. п. Среди функций RPA можно упомянуть способность открывать электронную почту и вложения, входить в приложения, перемещать файлы, заполнять формы, осуществлять чтение и запись в базы данных, собирать данные из Интернета, извлекать структурированные данные из документов и т. п.
Объединение интеллектуальной обработки документов с RPA позволяют создавать решения, которые могут обрабатывать документы, интерпретировать информацию, принимать решения на основе соответствующих данных.
Опорные технологии для беспилотных аппаратов.
В данной категории рассматриваются производители систем, на базе которых создаются беспилотные машины. Эти производители делятся на две подкатегории.
Поставщики аппаратных средств для беспилотников. Имеются в виду системы, позволяющие ориентироваться транспортному средству во внешней среде, распознавать объекты и сцены, а также сетевые решения, на базе которых осуществляется соответствующий информационный обмен.
Разработчики платформ создания приложений для беспилотников – поставщики программных и программно-аппаратных систем для разработки приложений для беспилотников.
Умная робототехника.
Здесь речь идет о компаниях – разработчиках и производителях интеллектуальных машин, которые могут обучаться и адаптироваться к окружающей обстановке и текущим задачам. Выделяется три подкатегории.
Провайдеры так называемых коботов (Cobots) – интеллектуальных роботов, “осознающих” окружающую обстановку и способных адаптироваться для решения новых задач, не требуя явного программирования.
Поставщики адаптивного оборудования, которое позволяет роботам обучаться в процессе общения с окружающей средой на конкретных примерах задач.
Провайдеры систем управления и проектирования, облегчающих разработку робототехнических приложений.
Кросс-отраслевые (горизонтальные) ИИ-приложения
Деление на вертикальные и горизонтальные приложения подразумевает, что вертикальные приложения не могут быть перепрофилированы для другого приложения ИИ, в то время как горизонтальные могут быть использованы в разных или даже во всех вертикальных отраслях. Например, голосовые помощники – это горизонтальное применение ИИ, поскольку они применимы во многих отраслях. Специфические отраслевые приложения могут создаваться поверх этих горизонтальных приложений, именно поэтому в табл. 3.3 они показаны на вершине технологического стека.
Предиктивная аналитика и поддержка принятия решений.
В разделе выделяются разработчики и поставщики по нижеследующим четырем подкатегориям.
Разработчики предиктивной аналитики – поставщики решений для прогнозирования событий, которые могут создать проблемы (нештатные ситуации, аварии) или открыть новые возможности для компании.
Поставщики средств поддержки принятия решений – инструментов, которые позволяют использовать закономерности в данных для обоснования этих решений.
Разработчики средств моделирования с использованием ML. Последние становятся все более актуальны по мере того, как происходит синергия между машинным обучением и традиционным инженерным моделированием для повышения производительности и достоверности моделей, расширяется моделирование на основе данных в рамках создания цифровых двойников разного типа, развивается направление “машинное обучение на основе физики”.
Производители средств обеспечения ситуационной осведомленности – набора инструментов, обеспечивающих возможность воспринимать и осознавать, что происходит в анализируемой среде с течением времени, обеспечивая способность прогнозирования событий, и одновременно снижать нагрузку на оператора, ответственного за принятие решений.
Операционный интеллект.
В разделе рассматриваются поставщики систем, которые осуществляют интеллектуальный контроль над внутренними бизнес-процессами организации, включая интеллектуальный анализ и агрегирование данных. Эти поставщики делятся на три подкатегории.
Поставщики систем интеллектуальной оптимизации бизнеса (анализ операций для выявления в них закономерностей и минимизации потенциальных проблем).
Разработчики систем когнитивной автоматизации (интеллектуальная и, возможно, автономная автоматизация сложных многоэтапных процессов).
Провайдеры систем интеллектуальной агрегации и анализа данных (решения для интеллектуального и, возможно, автономного управления агрегацией и анализом данных из широкого спектра источников).
Интеллектуальная обработка документов.
Здесь речь идет о разработчиках и поставщиках систем комплексной обработки документов и обеспечения документооборота. Направление включает две подкатегории поставщиков.
Провайдеры решений для интеллектуального анализа договоров (решения, использующие ИИ для лучшего понимания смысла договоров).
Поставщики систем для интеллектуального управления документами (решения по управлению процессами взаимодействия с документами).
Интеллектуальные ассистенты.
В данной категории рассматриваются поставщики приложений, которые выполняют повседневные услуги для человека на основе его команд и отзывов, например, агенты обслуживания клиентов на веб-сайтах или личные помощники, которые помогают управлять планируемыми в календаре событиями.
Программы данного типа понимают голосовые команды и выполняют задачи, которые ранее выполнялись секретарем (печать под диктовку, чтение вслух текстовых сообщений, поиск телефонных номеров, составление расписания, осуществление телефонных звонков и напоминание о назначенных встречах). К этой категории можно отнести такие приложения как Алиса от компании Yandex, Alexa от Amazon, Siri от Apple, Google Assistant и Cortana от Microsoft.
Наряду с виртуальными помощниками (ориентированными на задачу) Cognilytica выделяет также категорию “умные советники”, то есть те, которые ориентированы на некоторую конкретную область знания.
Автономные машины и роботы – под этой категорией объединены компании, которые разрабатывают и производят роботов разного назначения, не специализированных под конкретную вертикальную отрасль.
Это логистические роботы (логистика и доставка для разных отраслей).
Домашние роботы (решения для дома, гостиницы, бизнес офиса и т. п.).
Промышленные роботы, пригодные для разных отраслей.
Дроны и беспилотные летательные аппараты (БПЛА), предназначенные для кроссотраслевого применения.
Разговорные системы.
В классификации Cognilytica разговорные системы – это конкретные горизонтальные приложения технологий NLP (Natural Language Processing), NLU (Natural Language Understanding), NLG (Natural Language Generation) или платформы разработки, которые позволяют использовать технологии естественного языка для создания конкретных разговорных интерфейсов.
В рамках категории разговорных систем выделяется пять подкатегорий, в которых рассматриваются поставщики соответствующих решений.
Разговорный интеллект – решения и инструменты, позволяющие получить интеллектуальные данные и понимание содержания из разговоров в устной или письменной форме.
Платформы для разработки разговорных интерфейсов – платформы, использующие технологии обработки естественного языка, сторонние API и другие решения для облегчения проектирования, разработки, управления и эксплуатации разговорных интерфейсов.
Чат-боты общего назначения – неспецифические (неотраслевые) разговорные интерфейсы, предназначенные для применения в различных областях.
Интеллектуальные сообщения – решения, позволяющие пользователям получать больше информации из различных форм обмена сообщениями, таких как электронная почта, текстовые сообщения и т. п.
Голосовые помощники – разговорные интерфейсы, предоставляющие доступ к ряду возможностей. Обычно реализуются в виде аппаратного устройства, которое обеспечивает разговорное взаимодействие и поддерживает связь с облачными возможностями ML. Как видно из сравнения табл. 3.2 и 3.3, компании CB Insights и Cognilytica выделяют похожие категории деятельности ИИ-компаний, которые тем не менее отличаются в деталях. Например, обе аналитические компании упоминают разработчиков специализированного аппаратного обеспечения, необходимого для обработки ИИ-нагрузок. При этом Cognilytica в эту категорию включает поставщиков специализированных серверов, сетевого оборудования, СХД, процессоров, периферийных устройств и поставщиков нейроинтерфейсов “мозг-компьютер”, а CB Insights указывает только на одну категорию – поставщиков специализированных процессоров.
Конечно, CB Insights и Cognilytica – это не единственные аналитики, которые занимаются классификацией компаний – участниц ИИ-экосистемы.
Свою классификацию компаний, занятых в создании различных ИИ-решений, можно найти в работе. Здесь представлен ряд категорий, которые не рассматриваются в табл. 3.2 и в табл. 3.3. Например, “разработчики open source библиотек” или “компании, занятые научными исследованиями в области ИИ”. Достоинством представленной в упомянутой работе карты является то, что по каждому направлению приведен список ключевых компаний – всего более сотни организаций. Следует привести еще одно исследование, направленное на составление карты экосистемы компаний, занятых в создании ИИ-решений. Авторы этого исследования ежегодно публикуют карту “Data and AI landscape”, где рассматривается более 500 компаний, сгруппированных по примерно 100 категориям. Авторы карты, по всей видимости, столкнулись с трудностью ответа на вопрос “Где заканчиваются компании из категории датасайнс и где начинаются ИИ-компании?” и вышли из этой ситуации просто – они переименовали карту из первоначального варианта “карта ИИ-компаний” в “Карта компаний, занятых обработкой данных и ИИ” – примерно так можно вольно интерпретировать современное название карты “Data and AI landscape”. Под таким названием авторы представляют максимально широкую экосистему, которая включает компании, ответственные за сбор, разметку, хранение и широкий спектр методов интеллектуального анализа данных.
До сих пор мы не прокомментировали классификацию, которую приводит Cognilytica в области вертикально ориентированных решений, и сделали это сознательно. Дело в том, что использование ИИ-решений в различных отраслях (вертикальных индустриях) – это отдельная широкая тема, которая в подробном изложении выходит за рамки данного курса. Желающие могут познакомиться с классификацией вертикальных ИИ-решений в концепции Cognilytica на сайте компании. Мы рассмотрим менее подробную систему классификации – небольшой круг отраслей лидеров по применению ИИ-решений – и сделаем акцент на отрасли атомной энергетики, к которой у авторов есть больший профессиональный интерес.
Отраслевые (вертикальные) ИИ-приложения
Существует целый ряд работ, авторы которых пытались проанализировать, какие отрасли экономики в большей степени являются потребителями технологий ИИ. На рис. 3.8 и рис. 3.9 приведена аналитика со ссылкой на исследования FutureBridgeAnalysis and Insights и на исследования Mckinsey.
FutureBridge делит все отрасли на пять пересекающихся групп по уровню зрелости, с точки зрения внедрения ИИ-решений.
Mckinsey не просто представляет рейтинг отраслей по степени внедрения ИИ-решений, но также показывает, какие типы технологий ИИ доминируют в той или иной отрасли.
К сожалению, напрямую сравнивать данные разных аналитиков нельзя в силу отсутствия общей таксономии не только в плане направлений развития ИИ, но и отсутствия общепринятого деления на вертикальные рынки.
Тем не менее большинство исследователей сходятся во мнении, что одними из наиболее активных потребителей ИИ являются ИКТ и финансовые компании. При этом на рис. 3.8 используется термин ИКТ, а на рис. 3.9 термин “хайтек-компании”, который не является тождественным ИКТ, но, очевидно, два эти термина имеют существенное пересечение.
Рис. 3.8. Отрасли, ранжированные по степени внедрения искусственного интеллекта. Источник: FutureBridge Analysis and Insights
Рис. 3.9. Рейтинг вертикальных индустрий по степени внедрения ИИ, полученный на базе опросов. Источник: Mckinsey
Хайтек
Термин “хайтек”, который в последнее время используют многие аналитические компании, имеет весьма расплывчатые границы. Согласно, к данному сегменту относятся компании с высокой концентрацией работников, занятых в профессиях STEM. Очевидно, что подобное определение не совсем удачно для выделения вертикального сектора, поскольку компании, определенные упомянутым образом, есть во многих вертикальных отраслях (в энергетике, финансах и т. п.).
Как следует из рис. 3.9, основной тип ИИ-технологий в данном отраслевом сегменте – это машинное обучение, второе место с равным количеством баллов делят “автоматизация роботизированных процессов” и “интерфейсы виртуальных помощников”.
Говоря о хайтек-компаниях как о вертикальном рынке, в эту категорию относят корпорации, занимающиеся в основном ИТ, телекомом и производством электроники, и при этом выделяют крупнейшие компании, имеющие широкую диверсификацию. Лидерами этого рынка, как правило, отмечаются такие гиганты как Apple, Samsung, Microsoft, Google, HP, Dell, IBM, Intel, Panasonic, Alibaba, Amazon, Meta, Nvidiaидр. Таким образом, категория “хайтек”, помимо ИКТ-компаний, включает производителей электроники и высокотехнологичного оборудования. И если аналитические компании используют эту категорию, то автоматически она оказывается лидером по объему и зрелости ИИ-решений. И это понятно, перечисленные выше компании-гиганты известны как первопроходцы в разработке и внедрении инноваций в области ИКТ и в области ИИ в частности.
Достаточно назвать лишь несколько примеров. Перечислим, какие ИИ-технологии использует Google в своих приложениях для обслуживания миллиардов пользователей.
Начнем с того, что поисковая система Google работает на основе алгоритмов, использующих глубокое обучение. Google Ads и Doubleclick включают автоматизированную систему торгов на основе машинного обучения. Режим вождения Google Maps оценивает, куда направляется пользователь, и помогает проложить оптимальный маршрут. Youtube Safe Content использует методы машинного обучения для того, чтобы бренды не отображались рядом с оскорбительным контентом. Google Photos подсказывает, какими фотографиями следует поделиться с друзьями. Google Translate использует искусственную нейронную сеть под названием Google Neural Machine Translation (GNMT).
Голосовой помощник Google Assistant использует технологии NLP, Gmail – интеллектуальную блокировку спама, а также способность сгенерировать за человека шаблон ответа на письмо на основе текста входящего письма. У компании есть ведущий в отрасли нейросетевой фреймворк TensorFlow. Помимо использования искусственного интеллекта для улучшения своих услуг, Google развивает подразделение Google Cloud, которое продает предприятиям ряд сервисов в области искусственного интеллекта и машинного обучения.
Отметим также, что Google, разработавшая свой Tensor Processing Unit (TPU), относится к ключевым игрокам рынка чипсетов для глубокого обучения наряду с Microsoft, Samsung Electronics и Intel.
Заметим также, что Google активно приобретает компании в области искусственного интеллекта, вкладывая значительные средства в развитие ИИ-технологий на базе наиболее удачных стартапов. Одним из примеров является компания DeepMind, известная по победам в Go и StarCraft, работой по удержанию плазмы в токамаке и работам в области AGI.
Хайтек-компания IBM является первопроходцем и одним из лидеров рынка ИИ. Корпорация сосредоточила свои усилия на развитии знаменитого проекта IBM Watson, предоставления программного обеспечения ИИ как услуги и поставки облачных аналитических и ИИ-услуг.
Практически все компании Apple, Samsung, Microsoft, Google, HP, Dell, Intel, Panasonic,Alibaba имеют как инфраструктурные, так и программные решения в области ИИ.
К хайтек-компаниям можно отнести некоторые российские компании и прежде всего компанию Яндекс, у которой есть целый ряд проектов, базирующихся на технологии ИИ – поисковые сервисы, сервисы таргетирования рекламы, системы рекомендации контента, голосовые помощники, машинный перевод, обработка изображений, прогнозирование пробок, беспилотные автомобили и т. п. Яндекс ведет исследования в области распознавания изображений и видео, классификации и генерации текста, семантического анализа, распознавания речи, машинного перевода, диалоговых систем. Наиболее известные проекты, доступные широкому пользователю, – это поисковый сервис, виртуальный голосовой помощник Алиса и машинный перевод с поддержкой более 90 языков. Более подробно о сервисах компании Яндекс речь пойдет в разделе “ИИ в России”.
Существует целый ряд аналитических компаний, которые пытаются структурировать и классифицировать провайдеров товаров и услуг, так или иначе участвующих в создании ИИ-решений.
По всей видимости, самое общее и высоко уровневое деление компаний, участвующих в создании ИИ, дают специалисты компании CB Insights (табл. 3.2). Они предлагают разделить всех поставщиков ИИ на три группы по уровням технологического стека: нижний уровень – инфраструктурные и сервисные решения (специализированные вычислительные средства, средства обработки данных, средства развертывания приложений, разметка данных); средний уровень – горизонтальные решения (кроссотраслевые приложения) и верхний уровень – отраслевые (вертикальные приложения, уникальные для каждой индустрии).
Логика данной иерархии исходит из того, что нижний слой является фундаментом для подавляющего большинства решений. Горизонтально ориентированные могут использоваться в разных вертикально ориентированных продуктах, и последние (вертикальные) “заточены” под конкретную узкую отрасль.
Компания Cognilytica дает более подробную структуру подобной иерархии (см. табл. 3.3), при этом выделяет не три, а четыре слоя в технологическом стеке: инфраструктура и сервисы для поддержки ИИ-проектов, опорные технологии для ИИ-проектов, кросс-отраслевые (горизонтальные) приложения и отраслевые (вертикальные) приложения.
Cognilytica заявляет, что в рамках данной классификации она отслеживает деятельность более 5 тысяч компаний. И несмотря на то, что таксономия, используемая в табл. 3.3, не является общепринятой, она дает хорошее представление о структуре ИИ-поставщиков, и на этой классификации и толковании типов поставщиков следует остановиться подробнее.
Поскольку при описании стека технологий пункты, как правило, рассматривают снизу вверх, мы последуем этому принципу и будем описывать компании, отмеченные в таблице 3.3, начиная с нижнего уровня.
Инфраструктурные и сервисные решения для поддержки ИИ
Начнем с уровня аппаратного обеспечения и перечислим основные направления, в которых специализируются компании, занятые в создании ИИ-решений.
Аппаратное обеспечение, оптимизированное под задачи в области ИИ.
В данной категории поставщики классифицируются по четырем подкатегориям. Разработчики аппаратного обеспечения (серверы, сетевое оборудование, СХД), оптимизированного под ИИ-нагрузки. Разработчики специализированных процессоров (GPU, TPU и т. п.). Производители периферийных устройств, обеспечивающих ИИ-функциональность.
Как было отмечено выше, в данной классификации к аппаратному обеспечению относят также системы обеспечения интерфейса “мозг-компьютер” – устройства, которые позволяют напрямую передавать электрические сигналы от нейронов к внешнему электронному устройству (компьютеру, экзоскелету, протезу и т. п.). Передача импульсов мозга к исполнительному аппарату происходит минуя нервно-мышечные пути, например, позволяя, парализованному человеку пользоваться курсором. Различают инвазивные (вживляются в мозг), малоинвазивные (располагаются на поверхности мозга) и неинвазивные (помещаются на голове) нейроинтерфейсы. Для реализации данной технологии необходимы специализированные чипы и другие программно-аппаратные средства.
Big Data-платформы, оптимизированные для ИИ-проектов.
Большие данные и искусственный интеллект связаны синергетически. Технологии часто работают в связке – аналитика больших данных использует ИИ для более эффективного анализа данных, в то время как ИИ требует огромного количества данных для обучения и улучшения процессов принятия решений. В указанной категории выделяется две подкатегории: собственно платформы Big Data, оптимизированные для ИИ-проектов, и платформы визуализации больших данных.
Дата-сайнс-платформы.
Данная категория объединяет поставщиков платформ, предназначенных для решения задач дата-сайнс и при этом имеющих специфические функции для выполнения ИИ-проектов. В упомянутой категории различают собственно провайдеров платформ со встроенной поддержкой ИИ и поставщиков систем управления проектами ИИ.
В первую подкатегорию относят поставщиков платформ, включающих поддержку широкого набора ИИ-алгоритмов, с возможностью оптимизации гиперпараметров, поддержки спектра инструментов и библиотек ИИ, а также возможностью операционализации моделей, определенных в системе.
Ко второй подкатегории относят поставщиков инструментов, обеспечивающих управление процессами, ориентированными на данные, позволяющих управлять моделями, следить в крупных проектах за сотнями экспериментов и десятками наборов характеристик данных.
Вопросы управления проектами становятся все более актуальными по мере создания интегрированных сложных систем. Одним из основных факторов успеха ML-проекта является принятие или адаптация метода управления проектами. Более 80% специалистов по исследованию данных отмечают необходимость более систематического применения методов управления ML-проектами.
Подготовка и обработка данных для ИИ.
Функции компаний, занятых в выполнении данного вида работ, мы уже достаточно подробно рассмотрели. Отметим лишь, что в данном разделе Cognilytica предлагает делить поставщиков услуг на две группы – это компании, занятые подготовкой данных для повышения их качества и полезности, и компании, занятые разметкой данных.
Опорные технологии для ИИ
Под опорными подразумеваются технологии, позволяющие реализовать определенные решения, на основе которых другие игроки рынка могут создавать свои собственные ИИ-приложения. В данной категории выделяется шесть подкатегорий провайдеров, поставляющих нижеперечисленные решения.
Платформы машинного обучения.
В данном разделе рассматриваются поставщики платформ для разработки приложений машинного обучения и операционализации решений ИИ для разных сценариев использования и требований к развертыванию. Эти платформы могут представляться в виде локального или облачного решения. Cognilytica рассматривает шесть подкатегорий поставщиков.
Платформы для разработчиков ML-приложений – средства разработки ИИ-приложений и операционализации ИИ-моделей, ориентированные на разработчиков, производящих обучение моделей в локальных дата-центрах.
Облачные платформы с ИИ-функционалом – средства разработки, предоставляющие широкий набор дата-сайнс-инструментов, средств обучения и развертывания моделей в облаке. Платформы ориентированы на технических специалистов.
ИИ как услуга (MLaaS), шаблоны и low code-инструменты для упрощения разработки и операционализации моделей, ориентированные на нетехнических специалистов.
Платформы для разработки периферийных решений. Инструментарий, предназначенный для разработки и реализации ИИ-решений в периферийных устройствах, имеющих ограниченные вычислительную мощность и объем памяти.
Платформы для автоматизации разработки ML-приложений – решения, направленные на автоматизацию разработки ML-приложений, включая выбор алгоритмов, настройку гиперпараметров и т. п.
Компьютерное зрение.
Раздел объединяет следующие типы компаний.
Провайдеры платформ для построения систем полного цикла, включая распознавание, поиск и анализ изображений или видео.
Поставщики, специализирующиеся непосредственно на распознавании изображений и объектов – компании, фокус которых направлен на распознавании лиц и жестов.
Фирмы, предлагающие решения для поиска и извлечения информации на изображениях, которые позволяют классифицировать изображения, создавать подписи или описания изображений и видео-контента.
Поставщики систем оцифровки реального мира, создания 3D-представлений среды, восстановления 3D-сеток по плоским изображениям и т. п.
Понимание естественного языка.
Здесь выделяются компании, занятые созданием ИИ-продуктов по нижеперечисленным направлениям.
Разработчики систем генерации естественного языка (генерации контента на естественном языке); NLP-системы, способные понимать естественную речь.
Разработчики систем, способных к пониманию здравого смысла, что включает построения систем машинного рассуждения, онтологий и графов знаний.
Поставщики систем машинного перевода, о технологических основах которого мы достаточно подробно рассказали в первой лекции.
Контентные ИИ-технологии.
В данном разделе подразумеваются компании, использующие ИИ для обеспечения распознавания и понимания содержания документов. Здесь можно выделить поставщиков, разрабатывающих ИИ-решения в трех направлениях.
Захват данных и анализ документов (захват данных в нецифровом формате, распознавание документа и вычленение смысла документа).
Резюмирование контента – получение контента в цифровом формате и составление на его основе резюме. Например, создание протокола по тексту совещания.
Анализ неструктурированных данных – обработка различного рода неструктурированных данных, сбор и выявление взаимосвязи между данными.
Говоря о поставщиках контентных технологий, полезно упомянуть интеграцию последних со средствами RPA (Robotic Process Automation). Речь идет об автоматизации с помощью программных ботов рутинных повторяющихся задач, таких как извлечение текста из документов, перенос данных из одной системы в другую, выставление счетов и т. п. Среди функций RPA можно упомянуть способность открывать электронную почту и вложения, входить в приложения, перемещать файлы, заполнять формы, осуществлять чтение и запись в базы данных, собирать данные из Интернета, извлекать структурированные данные из документов и т. п.
Объединение интеллектуальной обработки документов с RPA позволяют создавать решения, которые могут обрабатывать документы, интерпретировать информацию, принимать решения на основе соответствующих данных.
Опорные технологии для беспилотных аппаратов.
В данной категории рассматриваются производители систем, на базе которых создаются беспилотные машины. Эти производители делятся на две подкатегории.
Поставщики аппаратных средств для беспилотников. Имеются в виду системы, позволяющие ориентироваться транспортному средству во внешней среде, распознавать объекты и сцены, а также сетевые решения, на базе которых осуществляется соответствующий информационный обмен.
Разработчики платформ создания приложений для беспилотников – поставщики программных и программно-аппаратных систем для разработки приложений для беспилотников.
Умная робототехника.
Здесь речь идет о компаниях – разработчиках и производителях интеллектуальных машин, которые могут обучаться и адаптироваться к окружающей обстановке и текущим задачам. Выделяется три подкатегории.
Провайдеры так называемых коботов (Cobots) – интеллектуальных роботов, “осознающих” окружающую обстановку и способных адаптироваться для решения новых задач, не требуя явного программирования.
Поставщики адаптивного оборудования, которое позволяет роботам обучаться в процессе общения с окружающей средой на конкретных примерах задач.
Провайдеры систем управления и проектирования, облегчающих разработку робототехнических приложений.
Кросс-отраслевые (горизонтальные) ИИ-приложения
Деление на вертикальные и горизонтальные приложения подразумевает, что вертикальные приложения не могут быть перепрофилированы для другого приложения ИИ, в то время как горизонтальные могут быть использованы в разных или даже во всех вертикальных отраслях. Например, голосовые помощники – это горизонтальное применение ИИ, поскольку они применимы во многих отраслях. Специфические отраслевые приложения могут создаваться поверх этих горизонтальных приложений, именно поэтому в табл. 3.3 они показаны на вершине технологического стека.
Предиктивная аналитика и поддержка принятия решений.
В разделе выделяются разработчики и поставщики по нижеследующим четырем подкатегориям.
Разработчики предиктивной аналитики – поставщики решений для прогнозирования событий, которые могут создать проблемы (нештатные ситуации, аварии) или открыть новые возможности для компании.
Поставщики средств поддержки принятия решений – инструментов, которые позволяют использовать закономерности в данных для обоснования этих решений.
Разработчики средств моделирования с использованием ML. Последние становятся все более актуальны по мере того, как происходит синергия между машинным обучением и традиционным инженерным моделированием для повышения производительности и достоверности моделей, расширяется моделирование на основе данных в рамках создания цифровых двойников разного типа, развивается направление “машинное обучение на основе физики”.
Производители средств обеспечения ситуационной осведомленности – набора инструментов, обеспечивающих возможность воспринимать и осознавать, что происходит в анализируемой среде с течением времени, обеспечивая способность прогнозирования событий, и одновременно снижать нагрузку на оператора, ответственного за принятие решений.
Операционный интеллект.
В разделе рассматриваются поставщики систем, которые осуществляют интеллектуальный контроль над внутренними бизнес-процессами организации, включая интеллектуальный анализ и агрегирование данных. Эти поставщики делятся на три подкатегории.
Поставщики систем интеллектуальной оптимизации бизнеса (анализ операций для выявления в них закономерностей и минимизации потенциальных проблем).
Разработчики систем когнитивной автоматизации (интеллектуальная и, возможно, автономная автоматизация сложных многоэтапных процессов).
Провайдеры систем интеллектуальной агрегации и анализа данных (решения для интеллектуального и, возможно, автономного управления агрегацией и анализом данных из широкого спектра источников).
Интеллектуальная обработка документов.
Здесь речь идет о разработчиках и поставщиках систем комплексной обработки документов и обеспечения документооборота. Направление включает две подкатегории поставщиков.
Провайдеры решений для интеллектуального анализа договоров (решения, использующие ИИ для лучшего понимания смысла договоров).
Поставщики систем для интеллектуального управления документами (решения по управлению процессами взаимодействия с документами).
Интеллектуальные ассистенты.
В данной категории рассматриваются поставщики приложений, которые выполняют повседневные услуги для человека на основе его команд и отзывов, например, агенты обслуживания клиентов на веб-сайтах или личные помощники, которые помогают управлять планируемыми в календаре событиями.
Программы данного типа понимают голосовые команды и выполняют задачи, которые ранее выполнялись секретарем (печать под диктовку, чтение вслух текстовых сообщений, поиск телефонных номеров, составление расписания, осуществление телефонных звонков и напоминание о назначенных встречах). К этой категории можно отнести такие приложения как Алиса от компании Yandex, Alexa от Amazon, Siri от Apple, Google Assistant и Cortana от Microsoft.
Наряду с виртуальными помощниками (ориентированными на задачу) Cognilytica выделяет также категорию “умные советники”, то есть те, которые ориентированы на некоторую конкретную область знания.
Автономные машины и роботы – под этой категорией объединены компании, которые разрабатывают и производят роботов разного назначения, не специализированных под конкретную вертикальную отрасль.
Это логистические роботы (логистика и доставка для разных отраслей).
Домашние роботы (решения для дома, гостиницы, бизнес офиса и т. п.).
Промышленные роботы, пригодные для разных отраслей.
Дроны и беспилотные летательные аппараты (БПЛА), предназначенные для кроссотраслевого применения.
Разговорные системы.
В классификации Cognilytica разговорные системы – это конкретные горизонтальные приложения технологий NLP (Natural Language Processing), NLU (Natural Language Understanding), NLG (Natural Language Generation) или платформы разработки, которые позволяют использовать технологии естественного языка для создания конкретных разговорных интерфейсов.
В рамках категории разговорных систем выделяется пять подкатегорий, в которых рассматриваются поставщики соответствующих решений.
Разговорный интеллект – решения и инструменты, позволяющие получить интеллектуальные данные и понимание содержания из разговоров в устной или письменной форме.
Платформы для разработки разговорных интерфейсов – платформы, использующие технологии обработки естественного языка, сторонние API и другие решения для облегчения проектирования, разработки, управления и эксплуатации разговорных интерфейсов.
Чат-боты общего назначения – неспецифические (неотраслевые) разговорные интерфейсы, предназначенные для применения в различных областях.
Интеллектуальные сообщения – решения, позволяющие пользователям получать больше информации из различных форм обмена сообщениями, таких как электронная почта, текстовые сообщения и т. п.
Голосовые помощники – разговорные интерфейсы, предоставляющие доступ к ряду возможностей. Обычно реализуются в виде аппаратного устройства, которое обеспечивает разговорное взаимодействие и поддерживает связь с облачными возможностями ML. Как видно из сравнения табл. 3.2 и 3.3, компании CB Insights и Cognilytica выделяют похожие категории деятельности ИИ-компаний, которые тем не менее отличаются в деталях. Например, обе аналитические компании упоминают разработчиков специализированного аппаратного обеспечения, необходимого для обработки ИИ-нагрузок. При этом Cognilytica в эту категорию включает поставщиков специализированных серверов, сетевого оборудования, СХД, процессоров, периферийных устройств и поставщиков нейроинтерфейсов “мозг-компьютер”, а CB Insights указывает только на одну категорию – поставщиков специализированных процессоров.
Конечно, CB Insights и Cognilytica – это не единственные аналитики, которые занимаются классификацией компаний – участниц ИИ-экосистемы.
Свою классификацию компаний, занятых в создании различных ИИ-решений, можно найти в работе. Здесь представлен ряд категорий, которые не рассматриваются в табл. 3.2 и в табл. 3.3. Например, “разработчики open source библиотек” или “компании, занятые научными исследованиями в области ИИ”. Достоинством представленной в упомянутой работе карты является то, что по каждому направлению приведен список ключевых компаний – всего более сотни организаций. Следует привести еще одно исследование, направленное на составление карты экосистемы компаний, занятых в создании ИИ-решений. Авторы этого исследования ежегодно публикуют карту “Data and AI landscape”, где рассматривается более 500 компаний, сгруппированных по примерно 100 категориям. Авторы карты, по всей видимости, столкнулись с трудностью ответа на вопрос “Где заканчиваются компании из категории датасайнс и где начинаются ИИ-компании?” и вышли из этой ситуации просто – они переименовали карту из первоначального варианта “карта ИИ-компаний” в “Карта компаний, занятых обработкой данных и ИИ” – примерно так можно вольно интерпретировать современное название карты “Data and AI landscape”. Под таким названием авторы представляют максимально широкую экосистему, которая включает компании, ответственные за сбор, разметку, хранение и широкий спектр методов интеллектуального анализа данных.
До сих пор мы не прокомментировали классификацию, которую приводит Cognilytica в области вертикально ориентированных решений, и сделали это сознательно. Дело в том, что использование ИИ-решений в различных отраслях (вертикальных индустриях) – это отдельная широкая тема, которая в подробном изложении выходит за рамки данного курса. Желающие могут познакомиться с классификацией вертикальных ИИ-решений в концепции Cognilytica на сайте компании. Мы рассмотрим менее подробную систему классификации – небольшой круг отраслей лидеров по применению ИИ-решений – и сделаем акцент на отрасли атомной энергетики, к которой у авторов есть больший профессиональный интерес.
Отраслевые (вертикальные) ИИ-приложения
Существует целый ряд работ, авторы которых пытались проанализировать, какие отрасли экономики в большей степени являются потребителями технологий ИИ. На рис. 3.8 и рис. 3.9 приведена аналитика со ссылкой на исследования FutureBridgeAnalysis and Insights и на исследования Mckinsey.
FutureBridge делит все отрасли на пять пересекающихся групп по уровню зрелости, с точки зрения внедрения ИИ-решений.
Mckinsey не просто представляет рейтинг отраслей по степени внедрения ИИ-решений, но также показывает, какие типы технологий ИИ доминируют в той или иной отрасли.
К сожалению, напрямую сравнивать данные разных аналитиков нельзя в силу отсутствия общей таксономии не только в плане направлений развития ИИ, но и отсутствия общепринятого деления на вертикальные рынки.
Тем не менее большинство исследователей сходятся во мнении, что одними из наиболее активных потребителей ИИ являются ИКТ и финансовые компании. При этом на рис. 3.8 используется термин ИКТ, а на рис. 3.9 термин “хайтек-компании”, который не является тождественным ИКТ, но, очевидно, два эти термина имеют существенное пересечение.
Рис. 3.8. Отрасли, ранжированные по степени внедрения искусственного интеллекта. Источник: FutureBridge Analysis and Insights
Хайтек
Термин “хайтек”, который в последнее время используют многие аналитические компании, имеет весьма расплывчатые границы. Согласно, к данному сегменту относятся компании с высокой концентрацией работников, занятых в профессиях STEM. Очевидно, что подобное определение не совсем удачно для выделения вертикального сектора, поскольку компании, определенные упомянутым образом, есть во многих вертикальных отраслях (в энергетике, финансах и т. п.).
Как следует из рис. 3.9, основной тип ИИ-технологий в данном отраслевом сегменте – это машинное обучение, второе место с равным количеством баллов делят “автоматизация роботизированных процессов” и “интерфейсы виртуальных помощников”.
Говоря о хайтек-компаниях как о вертикальном рынке, в эту категорию относят корпорации, занимающиеся в основном ИТ, телекомом и производством электроники, и при этом выделяют крупнейшие компании, имеющие широкую диверсификацию. Лидерами этого рынка, как правило, отмечаются такие гиганты как Apple, Samsung, Microsoft, Google, HP, Dell, IBM, Intel, Panasonic, Alibaba, Amazon, Meta, Nvidiaидр. Таким образом, категория “хайтек”, помимо ИКТ-компаний, включает производителей электроники и высокотехнологичного оборудования. И если аналитические компании используют эту категорию, то автоматически она оказывается лидером по объему и зрелости ИИ-решений. И это понятно, перечисленные выше компании-гиганты известны как первопроходцы в разработке и внедрении инноваций в области ИКТ и в области ИИ в частности.
Достаточно назвать лишь несколько примеров. Перечислим, какие ИИ-технологии использует Google в своих приложениях для обслуживания миллиардов пользователей.
Начнем с того, что поисковая система Google работает на основе алгоритмов, использующих глубокое обучение. Google Ads и Doubleclick включают автоматизированную систему торгов на основе машинного обучения. Режим вождения Google Maps оценивает, куда направляется пользователь, и помогает проложить оптимальный маршрут. Youtube Safe Content использует методы машинного обучения для того, чтобы бренды не отображались рядом с оскорбительным контентом. Google Photos подсказывает, какими фотографиями следует поделиться с друзьями. Google Translate использует искусственную нейронную сеть под названием Google Neural Machine Translation (GNMT).
Голосовой помощник Google Assistant использует технологии NLP, Gmail – интеллектуальную блокировку спама, а также способность сгенерировать за человека шаблон ответа на письмо на основе текста входящего письма. У компании есть ведущий в отрасли нейросетевой фреймворк TensorFlow. Помимо использования искусственного интеллекта для улучшения своих услуг, Google развивает подразделение Google Cloud, которое продает предприятиям ряд сервисов в области искусственного интеллекта и машинного обучения.
Отметим также, что Google, разработавшая свой Tensor Processing Unit (TPU), относится к ключевым игрокам рынка чипсетов для глубокого обучения наряду с Microsoft, Samsung Electronics и Intel.
Заметим также, что Google активно приобретает компании в области искусственного интеллекта, вкладывая значительные средства в развитие ИИ-технологий на базе наиболее удачных стартапов. Одним из примеров является компания DeepMind, известная по победам в Go и StarCraft, работой по удержанию плазмы в токамаке и работам в области AGI.
Хайтек-компания IBM является первопроходцем и одним из лидеров рынка ИИ. Корпорация сосредоточила свои усилия на развитии знаменитого проекта IBM Watson, предоставления программного обеспечения ИИ как услуги и поставки облачных аналитических и ИИ-услуг.
Практически все компании Apple, Samsung, Microsoft, Google, HP, Dell, Intel, Panasonic,Alibaba имеют как инфраструктурные, так и программные решения в области ИИ.
К хайтек-компаниям можно отнести некоторые российские компании и прежде всего компанию Яндекс, у которой есть целый ряд проектов, базирующихся на технологии ИИ – поисковые сервисы, сервисы таргетирования рекламы, системы рекомендации контента, голосовые помощники, машинный перевод, обработка изображений, прогнозирование пробок, беспилотные автомобили и т. п. Яндекс ведет исследования в области распознавания изображений и видео, классификации и генерации текста, семантического анализа, распознавания речи, машинного перевода, диалоговых систем. Наиболее известные проекты, доступные широкому пользователю, – это поисковый сервис, виртуальный голосовой помощник Алиса и машинный перевод с поддержкой более 90 языков. Более подробно о сервисах компании Яндекс речь пойдет в разделе “ИИ в России”.
-
Add a note